導讀：人工智能設備又邁進一步：能讀懂唇語。一種新型的語音合成器可以跳過語音記錄，而直接將說話者嘴部動作轉換為語句。

　　網易科技訊11月29日消息，據外媒報道，一種新型的語音合成器可以跳過語音記錄，而直接將說話者嘴部動作轉換為語句。

　　該設備能“觀看”嘴唇的動作，並利用人工智能網絡將它們轉換成聲音。

　　研究人員表示，該設備將能幫助聲帶麻痹患者發聲，向腦機接口又邁進一步。


　　描述該裝置的研究發表在《PLOS計算生物學》期刊上。

　　這項研究的作者來自法國國家科學研究中心。文章中提到，“這種語音合成器將人體主要語音發音器（舌，顎，口和嘴唇）的運動轉換成智能語音。”

　　說話者的發言，以及嘴部各個部位的位置會被同時記錄，然後通過人工智能網絡算法進行分析。

　　此處使用的人工智能算法是基於人類大腦建模的深層神經網絡（DNN）。算法設計針對偏複雜的模式識別。

　　該深層神經網絡DNN通過測量舌頭、下顎、軟齶和嘴唇的協調動作（又稱為”發音語音信號“）來識別嘴正在發音的某個詞語。


　　作者解釋道，DNN計算模型對這些測量的數據進行訓練，將“發音語音信號”轉換成“聲學語音信號”。

　　作者提到，這項研究中，我們讓用於訓練DNN模型的用戶，以及陌生新用戶都來測試語音合成器的實時控製性能，從而評估它在是否能很好地成為腦機接口的一部分。

　　“語音腦機接口將能通過解碼皮層的語言相關活動，實時控製語音合成器，從而幫助有嚴重發聲障礙的人恢複交流。

　　為幫助連聲道都無法震動的患者“說話”，科學家將必須掌握如何解碼大腦信號，並將其翻譯成語音。

　　使用人工智能來解碼語音和語言已有先例。

　　穀歌不久前推出了多語言之間機器翻譯係統。該係統被成為“Zero-Shot翻譯係統“，並具有自我學習能力。它能將未學習過的兩種語言翻譯成一種已經學習過的語言 ——換言之，通過人工智能訓練學習了如何實現X語言對Y語言的翻譯後，係統就能立即自動掌握從X到Z語言的翻譯。

　　Google Brain的博文把這項翻譯技術稱為神經機器翻譯係統（Google Neural Machine Translation ，簡稱GNMT）。